王付廣

銅陵學(xué)院實(shí)踐教學(xué)管理處,安徽 銅陵 244000

0 引言

行星齒輪箱即行星減速箱又稱為“齒輪箱”,因其動(dòng)力傳遞平穩(wěn)、傳動(dòng)比大、承載力大、結(jié)構(gòu)緊湊占空間小、使用壽命長(zhǎng)等優(yōu)勢(shì),在風(fēng)力發(fā)電、車輛、冶金化工等行業(yè)應(yīng)用廣泛。但在齒輪箱出現(xiàn)故障或者失效時(shí),往往影響整個(gè)系統(tǒng)的傳動(dòng)效果,甚至還會(huì)產(chǎn)生噪聲安全隱患。

實(shí)際工況下,行星齒輪箱傳動(dòng)轉(zhuǎn)速和載荷均為非平穩(wěn)狀態(tài),且生產(chǎn)過(guò)程中強(qiáng)背景噪聲會(huì)淹沒(méi)信號(hào)中的有效信息,因此,采集到的振動(dòng)信號(hào)存在時(shí)變性、非線性以及非平穩(wěn)性的特征。此外,齒輪箱嚙合振動(dòng)和通過(guò)效應(yīng)會(huì)調(diào)制信號(hào)中故障特征信息。相比于定軸齒輪箱,行星齒輪箱振動(dòng)信號(hào)的特征提取和故障診斷更加困難。研究表明,現(xiàn)有特征提取和故障診斷方法對(duì)行星齒輪箱的應(yīng)用具有局限性。文獻(xiàn)[1]將時(shí)域、頻域傳統(tǒng)特征指標(biāo)引入到齒輪箱故障識(shí)別,試驗(yàn)結(jié)果表明,常用特征指標(biāo)可區(qū)分缺齒故障和正常狀態(tài),但對(duì)早期微弱故障效果不佳。由于行星齒輪箱振動(dòng)信號(hào)耦合分量較復(fù)雜,學(xué)者將解調(diào)方法引入到齒輪箱振動(dòng)信號(hào)的分解,旨在從原始信號(hào)中分離出故障特征的單分量信號(hào)。其中,經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition,EMD)可將復(fù)雜、耦合的振動(dòng)信號(hào)分解為單分量信號(hào),解決模態(tài)混疊的問(wèn)題[2-3]。常用的時(shí)域和頻域特征指標(biāo)受工況和載荷變化影響,特征指標(biāo)標(biāo)準(zhǔn)不定,在實(shí)際使用過(guò)程中局限性較大。文獻(xiàn)[4]針對(duì)上述情況引入熵指標(biāo),該指標(biāo)針對(duì)信號(hào)周期性較為敏感且不受工況影響的情況,結(jié)果表明,該方法可有效區(qū)分缺齒、斷齒和磨損故障。

本文針對(duì)行星齒輪箱振動(dòng)信號(hào)特點(diǎn),提出一種新的特征提取方法。該方法首先利用EMD算法將采集到的原始振動(dòng)信號(hào)分解成多個(gè)imf分量;其次,對(duì)其進(jìn)行篩選,得到包含較多有用故障信息的單分量信號(hào),并進(jìn)行重構(gòu);最后,根據(jù)特征指標(biāo)對(duì)不同故障的敏感性和變化趨勢(shì)不同,構(gòu)建特征新指標(biāo),識(shí)別行星齒輪箱不同故障類型。

1 新特征提取方法

1.1 基本思路

齒輪箱內(nèi)零件故障類型較復(fù)雜且故障程度也不同,目前,單一的傳統(tǒng)特征指標(biāo)均無(wú)法有效區(qū)分齒輪箱內(nèi)不同故障類型。行星齒輪箱內(nèi)的故障形式有2種,分別為局部式故障和分布式故障。局部式故障中較常見(jiàn)的故障類型有齒輪裂紋、斷齒、缺齒等,而分布式故障主要包括磨損、點(diǎn)蝕等。齒輪箱內(nèi)發(fā)生局部式故障時(shí),局部故障點(diǎn)參與嚙合產(chǎn)生較強(qiáng)烈的嚙合沖擊,局部故障程度越嚴(yán)重,嚙合沖擊能量越強(qiáng),周期性也越明顯。分布式故障與局部式故障相比,由于齒輪箱存在分布式故障時(shí),在故障齒輪嚙合的全過(guò)程中均會(huì)發(fā)生嚙合沖擊,但沖擊能量分布不集中,周期性不明顯。為區(qū)分不同故障類型,本文引入多尺度模糊熵(multiscale fuzzy entropy,MFE)[6],故障沖擊能量越強(qiáng),沖擊越明顯,MFE值越小,因此,本文將MFE作為基本參數(shù)之一。研究表明,單一多尺度模糊熵?zé)o法對(duì)不同故障類型中早期故障進(jìn)行有效區(qū)分。考慮特征指標(biāo)應(yīng)不受工況變化影響,本文提取重構(gòu)信號(hào)概率密度函數(shù)的波形指標(biāo)(Sr)作為基本參數(shù)之一。

1.2 特征提取步驟

將采集到的行星齒輪箱原始振動(dòng)信號(hào)選擇恰當(dāng)?shù)拈L(zhǎng)度進(jìn)行等周期裁剪,對(duì)裁剪得到的振動(dòng)信號(hào)進(jìn)行特征提取,方法如下。

1) 信號(hào)分解和篩選。利用EMD將振動(dòng)信號(hào)分解,得到不同頻段單分量信號(hào)。根據(jù)文獻(xiàn)[5]篩選前3個(gè)單分量信號(hào)。將篩選后的單分量信號(hào)進(jìn)行信號(hào)重構(gòu),得到重構(gòu)信號(hào)X(X=sum(imfi)/3)。

(1)

1.3 特征指標(biāo)評(píng)估

為評(píng)估本文提出的新特征指標(biāo)的區(qū)分效果,選用標(biāo)準(zhǔn)差來(lái)量化類內(nèi)集中性,引入雙樣本敏感度Z來(lái)量化類間差異性。

區(qū)分m種故障,每種故障類型包含n個(gè)樣本。分別計(jì)算FE-Sr值,得到m×n的矩陣A。Z值計(jì)算步驟如下。

2)計(jì)算矩陣B每行元素的標(biāo)準(zhǔn)差(STDt)、最大值(FE-Srmax)以及最小值(FE-Srmin)。

3)計(jì)算m種故障類型、n個(gè)樣本,相鄰兩行之間雙樣本Z值定義為：

(2)

由式(2)可知,只要Zi,i+1>0,FR-Sr值便可將相鄰的2種故障類型區(qū)分開,且區(qū)分度隨著Z值的增大而增大,將其最小值(Zmin)作為新特征指標(biāo)的故障敏感性。

2 新特征提取方法試驗(yàn)驗(yàn)證

2.1 DDS實(shí)驗(yàn)臺(tái)及試驗(yàn)設(shè)計(jì)

DDS實(shí)驗(yàn)臺(tái)配置幾種太陽(yáng)輪、行星軸承故障,本實(shí)驗(yàn)臺(tái)可拆卸并更換不同故障零件模擬不同類型故障。太陽(yáng)輪和滾動(dòng)軸承故障零件如圖1所示。本次實(shí)驗(yàn)設(shè)計(jì)利用DDS實(shí)驗(yàn)臺(tái)進(jìn)行穩(wěn)定工況信號(hào)采集,本次試驗(yàn)每種故障采集轉(zhuǎn)速均為20 Hz和30 Hz。

圖1 太陽(yáng)輪故障示意圖

2.2 故障特征提取

表1 轉(zhuǎn)速20Hz單級(jí)行星齒輪箱不同故障FE-Sr值

對(duì)比上述分析轉(zhuǎn)速30 Hz工況下,單級(jí)行星齒輪箱不同太陽(yáng)輪故障FE-Sr值。分析轉(zhuǎn)速20 Hz和30 Hz工況下,雙級(jí)行星齒輪箱不同太陽(yáng)輪故障的FE-Sr值。不同故障類型隨樣本的變化趨勢(shì)分別如圖2～4所示。

圖2 單級(jí)行星齒輪箱轉(zhuǎn)速30 Hz

圖3 雙級(jí)行星齒輪箱轉(zhuǎn)速20 Hz

由表1、圖2～4可知,對(duì)于不同結(jié)構(gòu)、不同工況的行星齒輪箱,本文提出的新特征FE-Sr值均可有效區(qū)分太陽(yáng)輪正常、裂紋、斷齒、磨損狀態(tài)。其中,單級(jí)傳動(dòng)的行星齒輪箱Zmin為11.78,雙級(jí)傳動(dòng)的行星齒輪箱Zmin為5.12,且每種狀態(tài)的新特征指標(biāo)FE-Sr較為穩(wěn)定且波動(dòng)較小。

3 結(jié)束語(yǔ)

針對(duì)傳統(tǒng)故障特征提取方法對(duì)行星齒輪箱故障識(shí)別的局限性,本文利用EMD、多尺度模糊熵和波形指標(biāo)建立了故障特征新指標(biāo),并定義雙樣本敏感值來(lái)評(píng)估新特征指標(biāo)。結(jié)果表明：在不同結(jié)構(gòu)、轉(zhuǎn)速下,本文故障特征提取新方法均可有效區(qū)分行星齒輪箱的不同類型故障。